IF-9.6/Q1 | UK Biobank血浆蛋白质组分析阿尔茨海默病早期病理变化及潜在治疗靶点识别

文摘   2024-11-20 19:06   美国  

医学科研新动向

Large-scale proteomic analyses of incident Alzheimer’s disease reveal new pathophysiological insights and potential therapeutic targets

Molecular psychiatry

<2024年11月19日>

阿尔茨海默病(Alzheimer’s disease, AD)是一种常见的神经退行性疾病,其病理特征包括β-淀粉样蛋白斑块和Tau蛋白神经纤维缠结。然而,在临床症状显现之前的漫长潜伏期内,AD的发病过程涉及复杂的分子与生物学通路扰动,这些变化可能提供关键的早期干预窗口。然而,现有研究大多集中于脑组织或脑脊液蛋白质组,忽略了外周血浆蛋白质组对全身病理过程的反映价值。此外,现有的蛋白质组学研究通常受到小样本量、横断面设计和短期随访的限制,难以全面揭示AD的动态分子特征和病理生理演变。为此,本研究利用UK Biobank的血浆蛋白质组数据,对51,296名中年健康个体进行15年的随访,旨在揭示AD相关蛋白质的动态变化,探索其可能的因果关系,并为AD的早期诊断和治疗开发奠定基础。

研究设计

1. 研究对象从UK Biobank中选取51,296名无痴呆的中年个体,随访15年,其中689名被诊断为AD。
2. 数据收集血浆蛋白通过Olink平台检测,覆盖2923种蛋白质,并结合人口学特征和病史数据。
3. 分析方法
  • Cox比例风险模型识别与AD发病相关的蛋白质。
  • 时序模型描绘蛋白质在疾病发病前的动态变化。
  • 功能富集分析揭示AD相关蛋白质的生物学功能和通路。
  • 孟德尔随机化分析探索潜在的因果关联和可药靶蛋白。

图1概述了研究设计与分析步骤:

基于UK Biobank血浆蛋白质组数据,识别与AD发生相关的蛋白质。
通过轨迹建模分析,描述这些蛋白质在AD发病前15年的动态变化。
功能富集分析揭示相关蛋白质的生物学功能和通路。
利用孟德尔随机化分析,评估蛋白质与AD之间的因果关系。
最后,将关键蛋白质与脑结构变化进行关联分析,并评估其作为AD风险预测标志物的能力。

核心结果

1. 不同组织和分型中蛋白质表达差异

1)核心发现:
  • 鉴定出48种与AD风险显著相关的蛋白质,包括
GFAP(HR=1.67,P=3.43×10⁻⁸⁰)
NEFL(HR=1.52,P=1.07×10⁻²⁹)
SYT1(HR=1.17,P=3.27×10⁻¹²)
CEND1(HR=1.20,P=4.29×10⁻¹¹)
  • 这些蛋白质在全随访期间(15年内)显示稳定关联。
2)时间段差异
  • 在近10年内,与AD相关的蛋白质主要包括GFAP(HR=1.77,P=9.11×10⁻⁶⁵)、NEFL(HR=1.63,P=1.16×10⁻²⁶)、SYT1等。
  • 超过10年的长期预测中,GFAP(HR=1.54,P=2.43×10⁻²¹)、CEND1等仍具有显著预测力。
3)功能分析
  • 全随访蛋白质富集于“化学突触传递”(P=1.1×10⁻⁶)、“神经投射再生”(P=7.3×10⁻⁵)等功能。
  • 近10年内蛋白质主要与“胶质细胞发育”(P=2.1×10⁻³)等相关。

2. AD相关蛋白质轨迹及聚类分析

1)轨迹动态变化

  • LOESS平滑分析显示,CEND1、GFAP、NEFL和SYT1在疾病前15年即开始异常升高,并在整个疾病过程中持续上升。CEND1的z值(>0.49)显著高于其他蛋白。

  • 不同蛋白质轨迹呈现多样性:

Cluster 1蛋白质在疾病早期异常升高(如CEND1)。

Cluster 2逐步增加并在接近发病时达到峰值。

Cluster 3蛋白水平保持正常直至发病前期。

Cluster 4 & 5主要在发病前10年内显示明显变化。

2)功能富集:与突触传递、细胞外基质重塑和脂质代谢密切相关

3. AD相关蛋白质与脑结构的关联

1)脑区体积与蛋白水平关联

  • CEND1水平升高与海马体积萎缩显著相关(β=-0.07,P<0.001)。

  • GFAP与白质高信号体积增加密切相关(β=0.12,P<0.001)。

2)脑区差异

  • AD标志性区域(如顶叶和海马体)受到的影响最显著,表明这些区域是疾病进展的主要靶点。

4. 预测未来AD风险的ROC曲线

四蛋白预测模型
  • 基于GFAP、NEFL、SYT1和CEND1的模型显示卓越的预测性能:
全AD预测的AUC=0.804。
超过10年预测的AUC=0.788。
近10年预测的AUC=0.818。
  • 将人口学变量(如年龄、性别、APOE ε4)加入模型后,预测性能进一步提高(10年内AUC=0.901)。


1. 蛋白质与AD风险的识别

  • 从51,296名无痴呆的中年健康个体中,识别出48种与AD发病显著相关的蛋白质,其中CEND1、GFAP、NEFL和SYT1表现出最强的预测能力。这些蛋白质主要涉及突触功能、神经元健康以及细胞外基质重塑等关键生物学过程。

2. 蛋白质的时间动态与功能富集
  • 分析揭示CEND1、GFAP、NEFL和SYT1的异常升高始于疾病前15年,并持续上升,成为疾病早期的核心生物标志物。
  • 功能富集分析显示,这些蛋白质在疾病进展中逐步影响突触传递、免疫调节、脂质代谢、细胞外基质重塑及最终的突触和神经元丢失。
3. 脑影像学相关性分析
  • 高水平的CEND1与海马萎缩密切相关,而GFAP与白质高信号体积增加显著关联,表明这些蛋白质的变化可能反映疾病的神经退行性损害。
4. AD风险预测模型
  • 基于GFAP、NEFL、SYT1和CEND1的四蛋白预测模型显示了卓越的预测能力(10年内AUC=0.901),并优于传统模型。这些蛋白质的组合可为早期筛查提供一种非侵入性且高效的方式。
5. 因果与治疗靶点的探索
  • 孟德尔随机化分析表明联,这些蛋白质或可作为潜在治疗靶点。药物靶点评估进一步支持了它们在精准治疗中的应用潜力。

-END-

文字丨本人点滴积累,如有补充,下方留言即可

(后台回复241120”即可获取全文

医学科研新动向
每日分享-相关领域包括:MIMIC、NHANES、SEER、GEO、TCGA、CHARLS等公共数据库最新研究成果解读。深入剖析机器学习、生信分析与临床流行病学研究方法。
 最新文章